DDR 内存子系统常见硬件错误记及软件诊断算法

在Uboot下，Denx针对常见内存故障实现了严格的DDR检测程序。下图分三个阶段分别描述了检测数据线，地址线和DDR物理存储器件的过程和方法。科学是严谨的，来不得半点侥幸, 而DDR子系统又是很容易出故障却很难debug的。Denx设计的这一套算法堪称DDR内存检测之“铁面无私包青天”！

为什么先检测数据线？
因为数据线如果是断开的，一切无从谈起！第二步是检测地址线，只有数据线地址线都ok，检测内存的存储单元才有意义，这样的顺序也利于分割定位问题。1楼的testing sequence 框图将整个检测过程分成三大步，用三个虚线方框表示。

数据线的连接错误
数据线的连接可能存在两种错误，一种是被断开，另一种布线或生产造成互相短路。

如何检测数据线的连接错误
Denx设计的数据线检测算法我认为还是很Tricky和精秒的，看了好大一会才看懂：（
举个例子： 如果是两根数据线，只需要写入并读出一个pattern=0b01 就能判断它们是否短路或断开。很明显，大部分的嵌入式平台不止两根数据线，我们以64位地址线为例，pattern = 0b101010101010101010.... 能检测出奇偶位之间的数据错误。如果这个错误被排除，每两根数据线组成一组（这是理解下一个pattern的关键），再用相同的办法，检测没相邻两组之间是否有短路，就得到第二个pattern，就是 0b110011001100...... 依次类推，以4根数据线为一组，8根线为一组，相继得到共6个pattern，分别是0xaaaaaaaaaaaaaaaa，0xcccccccccccccccc，0xf0f0f0f0f0f0f0f0，0xff00ff00ff00ff00，    0xffff0000ffff0000，0xffffffff00000000。只要相继写入并读出这6个pattern就能验证是否存在数据线交叉短路错误。

如何检测数据线与板上其它信号线交叉短路或断路
取以上6个paatern的反码，总共12个pattern就能检测到每一位都可以写入和读出0和1。

什么是floating buses 错误
floating buses会“欺骗”测试软件，如果测试软件写入并很快读出一个值的时候，写操作会跟数据线上的电容充电，总线会短暂的保持它的状态。当测试软件读操作时，总线会返回刚写入的值，即使实际上该数据线是断路的。

如何检测数据线的floating buses 错误
检测floating buses 错误的算法不复杂，在写和读回之间再插入一次对不同地址写入不同值的操作。例如， X 写入 X1位置, Y 写入Y1 位置，再从X1 位置读出X 值则表示floating buses 错误不存在。

 

地址线的错误
如果地址线存在错误，其症状是地址空间中的两个不同位置被映射到同一物理存储位置。更通俗地讲，就是写一个位置却“改变”了另一个位置。

地址线的错误检测
地址线的错误检测相对简单，其算法是：
首先，将地址的值作为内容写入该地址处，汇编的表示方法是 (addr) = addr。这样确保每一个位置的内容不同。
其次，依次将内存基地址的某一根地址线的值翻转（flip/toggle）得到某个地址，从该地址取值，如果该值和基地址的值相等，则表示某一位地址线有问题。
这个算法的特点是每次只检测一根地址线，方法简单有效。

存储单元的错误
以上数据线和地址线的检测都是检测布线或工厂生产的错误，而存储单元的检测则是真正对DDR内存芯片的检测。内存芯片的常见错误是bit-stuck，简而言之，就是让它是0，它偏为1，让它为1，它偏为0，我行我素，不听号令：（
检测方法也很简单，就是用不同的pattern去写尽可能所有的地址并读回比较。有一些常用的pattern如0x5555, 0xAAAA等，在此不再赘述。

几个简单的检测DDR故障的方法
上面的DDR检测算法，虽然全面，但是耗时比较长，常常需要好几个小时，在Uboot命令行下也有几个简单的命令可以检测常见内存故障，不需要重编译代码就能执行。
1> mtest addr lenth pattern
这个命令需要注意，DDR在Uboot启动后被映射到了0地址，但是uboot的代码和堆、栈空间0x10000000处开始，这些空间是不能被刷的，否则就挂死了。mtest的执行就在这段空间，只能说是大水冲了龙王庙.
2>复制NOR flash的内容到内存中，如 cp.b 0x20080000 0x7fc0 20000，然后比较 cmp.b 0x20080000 0x7fc0 20000。 
3>下载kernel image到内存中，copy NOR flash 或 tftp都行，然后调用iminfo LOAD_ADDR 检测CRC错误。

第一种方法是用特定的pattern去刷DDR的空闲空间，第二种和第三种方法可以说Pattern的随机性更大一些。
当然最彻底的检测方法当然是长时间跑Linux系统，上面的方法更适用于系统不稳定时定位错误。